一种基于虚拟化技术的自治域级网络模拟方法

    公开(公告)号:CN108718247B

    公开(公告)日:2021-09-21

    申请号:CN201810341516.0

    申请日:2018-04-16

    Abstract: 一种基于虚拟化技术的自治域级网络模拟方法,涉及网络模拟和算法设计领域。本发明为了实现利用服务器集群和虚拟化技术,创建和模拟网络中主机来构建自治域级网络路由拓扑。本发明在一个或多个物理机上利用虚拟化手段为每个自治域模拟一台BGP路由器,并构建BGP路由器间的BGP会话,形成模拟的网络拓扑。根据采集的自治域号、自治域声明的前缀、自治域邻接关系、自治域商业关系,在有限数量的物理机上模拟一定规模的BGP路由器形成的自治域级网络路由拓扑。模拟的BGP路由器拓扑能够真实反映采集所得的自治域邻接关系和自治域间链路的属性;每个模拟BGP路由器依据BGP路由协议进行路由选择,其路由行为和真实BGP路由器行为一致。

    一种主机过载检测方法
    82.
    发明授权

    公开(公告)号:CN108052375B

    公开(公告)日:2021-06-29

    申请号:CN201711488118.3

    申请日:2017-12-29

    Abstract: 本发明涉及CPU利用率监测领域,具体涉及一种主机过载检测方法,是为了解决现有的过载主机检测算法的耗电量较高、用户的任务在执行上流畅度较低、算法在运行时需要关闭的主机数目过高、需要迁移的虚拟机的数目过高的缺点而提出的,包括:获取预定时间内的CPU利用率阈值并构造CPU利用率阈值构造数组y;获取一定时间内的CPU利用率数据并构造CPU利用率数组x;计算残差值ei;计算损失函数loss;判断损失函数loss的值是否小于给定的阈值,若是则结束迭代,若否则重新计算第一参数和第二参数,直至CPU利用率阈值数组y中的每个元素均被计算;获取在受测主机上运行的虚拟机的最大迁移时间并以此计算CPU利用率的预测值。本发明适用于云计算主机的CPU利用率监测。

    一种基于BP神经网络的DDOS效果评估方法

    公开(公告)号:CN108900513B

    公开(公告)日:2021-05-07

    申请号:CN201810710379.3

    申请日:2018-07-02

    Abstract: 一种基于BP神经网络的DDOS效果评估方法,本发明涉及基于BP神经网络的DDOS效果评估方法。本发明的目的是为了解决现有基于层次分析法的DDOS效果评估需要人为判定权重,评估准确率低的问题。具体过程为:一、建立DDOS效果评估指标体系;二、在云环境中模拟HTTP洪泛攻击采集DDOS效果评估指标体系数据,三、建立初始BP神经网络模型,对初始BP神经网络模型进行优化,将步骤二采集的DDOS攻击机的攻击源的个数,DDOS攻击机的攻击频率,目的主机内存占用率,目的主机CPU占用率,带宽占用率和丢包率输入优化好的BP神经网络模型,BP神经网络模型输出评估等级。本发明用于DDOS效果评估领域。

    一种模型隐私保护方法及装置

    公开(公告)号:CN112329052A

    公开(公告)日:2021-02-05

    申请号:CN202011155392.0

    申请日:2020-10-26

    Abstract: 本申请公开了一种模型隐私保护方法,该方法包括以下步骤:基于当前训练场景,确定用于对模型进行隐私保护的目标保护方式;如果目标保护方式为PATE方式,则在使用训练数据集进行模型训练过程中,对中间产生的投票结果进行加噪处理,训练完成后,获得最终的待使用第一模型;如果目标保护方式为差分隐私随机梯度下降DPSGD方式,则在使用训练数据集进行模型训练过程中,对将训练数据集输入到模型后计算得到的梯度进行加噪处理,训练完成后,获得最终的待使用第二模型。应用本申请所提供的技术方案,可以较好地且有效地进行隐私保护,提高训练数据及模型的安全性。本申请还公开了一种模型隐私保护装置,具有相应技术效果。

    一种移动物联网中的高效、安全的多用户多任务卸载方法

    公开(公告)号:CN111124666A

    公开(公告)日:2020-05-08

    申请号:CN201911168370.5

    申请日:2019-11-25

    Abstract: 一种移动物联网中的高效、安全的多用户多任务卸载方法,涉及移动物联网移动边缘计算领域,为了实现在时间的约束下将能耗的加权总和最小化,使任务卸载能耗较低。建立通信模型;资源分配策略,量化本地计算和卸载计算的开销;压缩策略,采用JPEG算法对卸载计算时传输的用户数据进行压缩以减少能源消耗;安全策略;优化策略;构建一个考虑将资源分配、压缩和安全性的集成模型,将该模型表述为整数非线性问题,该问题的目标是在时间约束下使能量的加权总和最小化,获得任务卸载决策和任务压缩决策的最优解。减轻移动物联网的网络资源限制,在计算任务卸载的同时,兼顾考虑资源分配,传输数据压缩和安全性,实现在时间的约束下能耗的加权总和最小化。

    一种车辆雾计算中基于能耗和延迟权衡的计算任务动态卸载方法

    公开(公告)号:CN111124531A

    公开(公告)日:2020-05-08

    申请号:CN201911168638.5

    申请日:2019-11-25

    Abstract: 一种车辆雾计算中基于能耗和延迟权衡的计算任务动态卸载方法,属于雾计算应用技术领域。本发明为了充分利用附近车辆的计算资源,将云节点的任务从云节点下放到车辆节点上,为减轻云节点的过载,减少高峰时段的服务延迟,以及为电池供电的云节点节约电能。定义所述卸载方法对应的VFC环境;针对单个车辆节点的单个任务构建能源消耗成本,能源消耗成本为总能量消耗和总延迟的加权和:针对VFC环境下的所有节点所有任务的能耗和延迟的模型,构建联合目标函数,给出约束条件并定义优化问题;针对步骤三的优化问题求得当联合目标函数达到最小值时,每个任务所应卸载到的车辆节点,进而得到最优的任务卸载方案。本发明降低了能量消耗,降低整体处理延迟。

    一种多用户、多任务的移动边缘计算系统中可缓存的任务迁移方法

    公开(公告)号:CN111031102A

    公开(公告)日:2020-04-17

    申请号:CN201911166849.5

    申请日:2019-11-25

    Abstract: 一种多用户、多任务的移动边缘计算系统中可缓存的任务迁移方法,属于移动边缘计算系统的应用领域。本发明为了解决现有的移动边缘计算系统中任务迁移方法中确定迁移目标服务器时存实时性差、能耗开销较大的问题。本发明以最小的能耗开销将计算任务从终端设备迁移至选定的边缘服务器,在移动边缘计算系统中,定义移动设备用户的集合A={1,2,…,N},并且每一个用户都有一个待完成的计算任务的集合B={1,2,…,M},这些任务由一个单一的无线基站相连,其中的移动边缘计算服务器为这些移动设备提供计算和缓存服务;所述方法的实现包括通信模型、计算模型、任务缓存模型以及任务迁移模型的构建。本发明有效减少在整个移动边缘计算系统中所有用户所需的总的时间和能耗开销。

    一种基于VxWorks的机械臂指令解释器系统

    公开(公告)号:CN110861085A

    公开(公告)日:2020-03-06

    申请号:CN201911131043.2

    申请日:2019-11-18

    Abstract: 一种基于VxWorks的机械臂指令解释器系统,涉及机械臂控制软件开发技术领域。本发明的目的提供一种能满足后端子系统的功能需求,能在机械臂操作系统VxWorks上运行的支持自定义语法规则脚本文件,并能将其解析成机械臂运动指令的解释器系统。流程控制子系统处理用户输入的控制命令并统筹安排其他子系统;通信子系统负责与用户进行数据交互;解析子系统负责对脚本文件进行处理、分析并最终执行内部包含的机械臂运动指令;调试子系统则用于实现脚本文件的调试功能需求。采用Flex&Bison开源工具进行脚本文件的解析工作,能设计实现满足机械臂运动指令调用需求的脚本文件,同时结合VxWorks操作系统的系统特性实现控制和调试等功能。

    带有逐点相对误差界限的有损压缩的方法

    公开(公告)号:CN109981110A

    公开(公告)日:2019-07-05

    申请号:CN201910164475.7

    申请日:2019-03-05

    Abstract: 本发明提供了一种带有逐点相对误差界限的有损压缩的方法,包括以下步骤:A、制表,根据误差要求以及量化因子的区间来制表;B、获取量化因子;C、哈夫曼编码,通过哈夫曼编码来压缩步骤B中生成的量化因子序列;D、使用无损压缩方法,使用无损压缩方法来压缩步骤C生成的哈夫曼编码和哈夫曼树。本发明的有益效果是:可以避免带有逐点相对误差界限的有损压缩中耗时的对数变换,并通过查表来获取量化因子值,极大地加速了带有逐点相对误差界限的有损压缩。

    基于异构域迁移的舆情角色识别迁移系统

    公开(公告)号:CN109299783A

    公开(公告)日:2019-02-01

    申请号:CN201811547553.3

    申请日:2018-12-18

    Abstract: 基于异构域迁移的舆情角色识别迁移系统,涉及数据挖掘和机器学习领域。为了解决现有技术面对纷繁复杂的网民信息无法进行有效地提取知识,不能在不同领域之间进行迁移学习,进而无法实现知识间接的共享的问题。所述系统为基于马尔科夫逻辑网的建立的舆情角色识别迁移模型,包括数据谓词化模块、结构学习模块、知识提取模块、知识迁移模块和参数学习模块,将领域知识谓词化转换成模型可以识别的知识进行结构学习并提取需要迁移的知识到目标域完成知识迁移,再通过参数学习模块进行参数学习获得迁移学习后的模型。采用将转换复杂度融入领域距离以及考虑单源域到单目标域的迁移学习界限的技术手段,实现了面对纷繁复杂的网民信息有效地提取迁移。

Patent Agency Ranking